AI Specialist adalah peran yang bertanggung jawab memastikan perusahaan memakai kecerdasan buatan untuk kebutuhan bisnis yang tepat, dengan biaya terkendali, risiko yang dipahami, dan kemampuan yang benar-benar dapat digunakan oleh setiap divisi. Peran ini menjadi semakin relevan karena perkembangan AI bergerak lebih cepat daripada kemampuan banyak organisasi untuk memilih, menguji, dan mengelolanya.

Desainer, marketer, staf operasional, analis, dan tim penjualan memang perlu memahami AI yang berkaitan dengan pekerjaannya. Namun, tidak realistis jika setiap orang juga harus terus memantau puluhan model, membandingkan paket langganan, mengelola kredit, menguji keamanan data, membuat standar penggunaan, dan mengajari divisi lain. Ketika semua tanggung jawab itu ditambahkan ke pekerjaan utama, hasil yang sering muncul bukan transformasi, melainkan pekerjaan inti yang tertunda dan penggunaan AI yang tidak terarah.

Roku Studio melihat kebutuhan akan satu fungsi baru di perusahaan: AI Specialist sebagai penghubung antara teknologi, manusia, dan tujuan bisnis.

Mengapa perusahaan membutuhkan AI Specialist sekarang?

Perusahaan membutuhkan pemilik tanggung jawab AI karena adopsinya sudah meluas, sementara keputusan alat, biaya, keterampilan, dan risiko masih sering tersebar tanpa koordinasi.

Stanford AI Index 2025 melaporkan bahwa 78 persen organisasi menggunakan AI pada 2024, naik dari 55 persen pada 2023. Penggunaan AI generatif dalam setidaknya satu fungsi bisnis juga naik dari 33 persen menjadi 71 persen. Angka ini menunjukkan bahwa AI bukan lagi eksperimen kecil milik tim teknologi.

World Economic Forum dalam Future of Jobs Report 2025 menempatkan AI dan big data sebagai kelompok keterampilan dengan pertumbuhan tercepat menuju 2030. Laporan yang sama juga menempatkan AI dan machine learning specialist di antara pekerjaan dengan pertumbuhan tercepat.

Tingginya adopsi tidak otomatis menghasilkan nilai. Perusahaan dapat memiliki banyak akun AI tanpa mengetahui mana yang benar-benar dipakai, membayar beberapa alat dengan fungsi serupa, atau membiarkan staf memasukkan data sensitif ke layanan yang belum diperiksa. Di sinilah AI Specialist dibutuhkan, bukan sebagai pemburu tren, melainkan sebagai pengelola sistem penggunaan AI perusahaan.

Mengapa tugas ini tidak cukup dibebankan kepada desainer atau marketer?

Setiap divisi seharusnya mempelajari penggunaan AI dalam konteks pekerjaannya, tetapi tidak seharusnya memikul seluruh beban evaluasi teknologi perusahaan.

Seorang desainer perlu mempelajari cara memakai AI untuk eksplorasi visual, dokumentasi, atau pengujian ide. Marketer perlu memahami riset, segmentasi, produksi konten, dan analisis berbantuan AI. Tim keuangan mungkin memakainya untuk klasifikasi, rekonsiliasi awal, atau penjelasan data.

Masalahnya muncul ketika mereka juga diminta untuk:

  • Mengikuti perubahan model dan fitur setiap minggu.
  • Membandingkan harga, batas penggunaan, kredit, dan lisensi.
  • Memeriksa ketentuan penyimpanan data dan penggunaan input pelanggan.
  • Menyusun aturan penggunaan untuk semua divisi.
  • Melatih rekan kerja dengan tingkat kemampuan yang berbeda.
  • Mengukur apakah biaya alat menghasilkan manfaat bisnis.

Tanggung jawab tersebut merupakan pekerjaan tersendiri. Jika dibebankan sebagai tugas tambahan tanpa waktu, kewenangan, dan ukuran keberhasilan yang jelas, pekerjaan utama akan terganggu. Perusahaan juga akan bergantung pada inisiatif pribadi, bukan sistem yang dapat dipertanggungjawabkan.

Apa sebenarnya pekerjaan AI Specialist?

AI Specialist mengubah kebutuhan bisnis menjadi portofolio alat, proses, pelatihan, dan tata kelola AI yang dapat dijalankan. Peran ini berbeda dari sekadar prompt engineer, teknisi IT, atau data scientist.

1. Menganalisis kebutuhan setiap divisi

AI Specialist tidak memulai dari pertanyaan “alat AI apa yang sedang populer?” Ia memulai dari hambatan bisnis. Contohnya adalah waktu pembuatan proposal yang terlalu lama, variasi visual yang terbatas, laporan yang terlambat, pencarian dokumen yang sulit, atau pertanyaan pelanggan yang berulang.

Setiap kebutuhan kemudian dinilai berdasarkan dampak, frekuensi, kualitas data, tingkat risiko, dan kesiapan pengguna. Dengan cara ini, perusahaan tidak membeli solusi sebelum memahami masalahnya.

2. Memilih alat dan mengelola langganan

AI Specialist membandingkan kemampuan, biaya, keamanan, integrasi, dan ketergantungan vendor. Tujuannya bukan memiliki alat terbanyak, tetapi membangun kombinasi alat terkecil yang mampu memenuhi kebutuhan utama.

Ia juga mencatat pemilik akun, paket, tanggal perpanjangan, jumlah pengguna aktif, batas kredit, serta alat yang tumpang tindih. Kontrol sederhana ini dapat mencegah langganan terlupakan dan pembelian berulang oleh divisi yang berbeda.

3. Mengendalikan kredit dan biaya penggunaan

AI Specialist menetapkan anggaran berdasarkan fungsi dan nilai, bukan sekadar membagikan akses tanpa batas. Penggunaan kredit dipantau agar perusahaan mengetahui biaya per workflow, proyek, atau keluaran.

Pengendalian biaya tidak berarti membatasi eksperimen. Eksperimen tetap diberikan ruang, tetapi memiliki tujuan, batas waktu, dan kriteria keberhasilan.

4. Membuat standar penggunaan yang aman

AI Specialist bekerja bersama IT, legal, keamanan, HR, dan pemilik data untuk menentukan informasi apa yang boleh dimasukkan, alat mana yang disetujui, kapan keluaran harus diverifikasi, dan siapa yang bertanggung jawab atas keputusan akhir.

NIST AI Risk Management Framework dirancang untuk membantu organisasi memasukkan pertimbangan keandalan dan kepercayaan ke dalam desain, penggunaan, serta evaluasi sistem AI. Prinsip utamanya relevan untuk perusahaan apa pun: risiko AI harus dikelola sebagai proses, bukan diperiksa sekali saat pembelian.

5. Melatih divisi sesuai konteks pekerjaannya

Pelatihan AI yang efektif tidak sama untuk semua orang. Tim kreatif membutuhkan contoh dan batasan yang berbeda dari tim keuangan, HR, atau layanan pelanggan.

Komisi Eropa menjelaskan bahwa pendekatan literasi AI perlu mempertimbangkan pengetahuan, pengalaman, pelatihan, konteks penggunaan, dan risiko sistem. Penjelasan tersebut juga menegaskan bahwa tidak ada satu format pelatihan yang cocok untuk semua organisasi.

AI Specialist menerjemahkan prinsip ini menjadi materi praktis, contoh pekerjaan, checklist verifikasi, dan sesi pendampingan untuk setiap divisi.

6. Mengukur hasil dan menghentikan yang tidak bekerja

AI Specialist mengukur perubahan waktu pengerjaan, kualitas, tingkat kesalahan, adopsi pengguna, biaya per keluaran, dan dampak terhadap tujuan bisnis. Alat yang tidak memberikan nilai dihentikan meskipun sedang populer.

Kerangka PETA dari Roku Studio

Roku Studio mengusulkan kerangka PETA agar peran AI Specialist tetap berpusat pada kebutuhan organisasi, bukan pada tren alat. PETA terdiri dari Pemetaan, Evaluasi, Tata kelola, dan Aktivasi.

Pemetaan

Petakan masalah, workflow, data, pemilik proses, dan kemampuan setiap divisi. Hasilnya adalah daftar kebutuhan yang dapat diprioritaskan, bukan daftar alat yang ingin dibeli.

Evaluasi

Uji beberapa solusi dalam skala kecil. Bandingkan kualitas, kecepatan, biaya, keamanan, integrasi, dan kemudahan adopsi. Setiap pilot harus memiliki kondisi awal dan ukuran keberhasilan.

Tata kelola

Tentukan alat yang disetujui, kebijakan data, pemilik akun, anggaran, batas kredit, proses verifikasi, dokumentasi, dan jalur pelaporan masalah. Tata kelola harus cukup kuat untuk melindungi perusahaan, tetapi tidak terlalu rumit hingga staf mencari jalan pintas.

Aktivasi

Latih pengguna berdasarkan pekerjaannya, dampingi penerapan pada workflow nyata, lalu perbaiki standar dari temuan di lapangan. Aktivasi selesai ketika tim mampu memakai alat dengan benar dan tahu kapan tidak boleh menggunakannya.

Apakah setiap perusahaan harus merekrut satu orang penuh waktu?

Tidak semua perusahaan langsung membutuhkan AI Specialist penuh waktu, tetapi setiap perusahaan yang menggunakan AI membutuhkan penanggung jawab yang jelas.

Pada perusahaan kecil, fungsi ini dapat dimulai sebagai tanggung jawab resmi seseorang dengan alokasi waktu tertentu dan dukungan lintas divisi. Pada perusahaan yang lebih besar, perannya dapat berkembang menjadi tim AI enablement atau pusat keunggulan.

Posisi penuh waktu mulai masuk akal ketika:

  • Beberapa divisi sudah memakai alat AI yang berbeda.
  • Biaya langganan dan kredit mulai sulit dilacak.
  • AI digunakan untuk data pelanggan atau informasi internal.
  • Eksperimen sering dilakukan tetapi jarang menjadi workflow tetap.
  • Tim membutuhkan pelatihan dan dukungan berulang.
  • Manajemen membutuhkan ukuran manfaat dan risiko yang konsisten.

Perlu ditegaskan bahwa regulasi seperti EU AI Act tidak mewajibkan setiap organisasi menunjuk AI officer tertentu. Kebutuhan AI Specialist dalam artikel ini adalah rekomendasi desain organisasi dari Roku Studio, bukan klaim kewajiban hukum universal.

Kompetensi yang dibutuhkan AI Specialist

AI Specialist tidak harus menjadi peneliti model, tetapi harus mampu menghubungkan teknologi, proses, risiko, dan perilaku manusia.

Kompetensi intinya meliputi:

  • Pemetaan proses dan analisis kebutuhan bisnis.
  • Pemahaman praktis tentang model generatif, otomasi, data, dan integrasi API.
  • Evaluasi vendor, biaya, lisensi, dan ketergantungan alat.
  • Dasar privasi, keamanan informasi, hak cipta, dan tata kelola AI.
  • Kemampuan melatih pengguna nonteknis.
  • Manajemen perubahan dan komunikasi lintas divisi.
  • Pengukuran produktivitas, kualitas, adopsi, dan manfaat bisnis.

Peran ini juga memerlukan keberanian untuk mengatakan “tidak”. Tidak semua pekerjaan membutuhkan AI, tidak semua fitur layak dibeli, dan tidak semua keluaran boleh digunakan.

Rencana 90 hari pertama

AI Specialist sebaiknya memulai dari audit, pilot, lalu standardisasi, bukan dari pembelian besar.

  1. Hari 1 sampai 30: inventarisasi alat, langganan, kebutuhan, pengguna, data, risiko, dan pengeluaran yang sudah ada.
  2. Hari 31 sampai 60: pilih dua atau tiga workflow bernilai tinggi, jalankan pilot, dokumentasikan kondisi awal, dan ukur hasil.
  3. Hari 61 sampai 90: tetapkan alat yang disetujui, hentikan yang tidak bernilai, buat panduan, latih pengguna, serta susun laporan manfaat dan risiko.

Perusahaan tidak perlu menunggu sistem sempurna. Yang dibutuhkan adalah siklus keputusan yang jelas, bukti yang dapat diperiksa, dan pembelajaran yang terus diperbarui.

Kesimpulan

AI Specialist akan menjadi peran penting karena perusahaan memerlukan seseorang yang bertanggung jawab atas kecocokan alat, biaya, pelatihan, risiko, dan hasil penggunaan AI. Peran ini tidak mengambil AI dari tangan desainer, marketer, atau divisi lain. Sebaliknya, ia membuat setiap divisi mampu memakai AI tanpa mengorbankan pekerjaan utamanya.

AI bergerak terlalu cepat untuk dikelola hanya sebagai tugas sampingan, tetapi terlalu penting untuk diserahkan sepenuhnya kepada vendor. Perusahaan membutuhkan penghubung internal yang memahami bisnis sekaligus dapat menerjemahkan perkembangan teknologi menjadi sistem kerja yang aman dan berguna.

Untuk organisasi yang ingin memetakan kebutuhan AI, membangun workflow, dan meningkatkan kemampuan tim secara bertahap, Roku Studio membantu menghubungkan strategi, kreativitas, teknologi, dan penerapan nyata.

Pertanyaan yang sering diajukan

Apa perbedaan AI Specialist dan staf IT?

Staf IT berfokus pada infrastruktur, perangkat, jaringan, akses, dan dukungan teknologi secara luas. AI Specialist berfokus pada pemetaan kebutuhan AI, evaluasi alat, kontrol biaya, pelatihan pengguna, tata kelola, serta pengukuran hasil. Keduanya perlu bekerja sama.

Apakah AI Specialist harus bisa membuat model AI sendiri?

Tidak selalu. Banyak perusahaan lebih membutuhkan kemampuan memilih, mengintegrasikan, mengelola, dan mengajarkan penggunaan sistem yang sudah tersedia. Kemampuan teknis yang lebih dalam dibutuhkan jika perusahaan mengembangkan model atau sistem AI sendiri.

Kapan perusahaan perlu AI Specialist penuh waktu?

Peran penuh waktu layak dipertimbangkan ketika banyak divisi memakai AI, biaya sulit dikendalikan, data sensitif terlibat, kebutuhan pelatihan meningkat, atau eksperimen perlu diubah menjadi workflow yang terukur.

Sumber